Eksplorasi Sentimen Aplikasi BCA Mobile Pada Google Playstore Menggunakan Metode Bidirectional Encoder Representations from Transformers (BERT)

Abstract

Penelitian ini bertujuan untuk menganalisis sentiment pengguna terhadap aplikasi BCA Mobile berdasarkan ulasan di Google Play Store. Dengan memahami persepsi pengguna, penelitian ini diharapkan dapat membantu pengembang aplikasi dalam meningkatkan kualitas layanan. Sebanyak 5000 ulasan dikumpulkan melalui proses scraping dan dianalisis menggunakan metode BERT, khususnya model IndoBERT-base. Dataset melalui tahap preprocessing, kemudian dibagi menjadi data pelatihan, validasi, dan pengujian. Model dilatih menggunakan parameter batch size 32, learning rate 2e-5 dan 5 epoch. Hasil penelitian menunjukkan bahwa model berhasil mengenali sentimen positif degan baik (F1-score 0.82 pada data testing), tetapi kesulitan dalam mengenali sentiment netral (F1-score 0.23). akurasi keseluruhan mencapai 73% pada data testing, dengan indikasi overfitting setelah epoch, ke-3, di mana akurasi validasi stagnan meskipun akurasi pelatihan meningkat. Penelitian ini memberikan wawasan tentang persepsi pengguna terhdap aplikasi BCA Mobile dan menyoroti pentingnya distribusi data yang seimbang untuk meningkatkan kemampuan model dalam mengenali semua kategori sentimen. Selain itu, disarankan untuk menambah jumlah data dan mengeksplorasi model dengan kapasitas yang lebih besar untuk meningkatkan hasil analisis, sehingga hasil temuan ini dapat dijadikan sebagai dasar pengambilan keputusan dalam strategi pengembangan fitur dan layanan aplikasi perbankan digital secara lebih responsif terhadap kebutuhan pengguna.